通过XPDF抽取PDF中的中文文本

1、下载XPDF，下载地址： ftp://ftp.foolabs.com/pub/xpdf/xpdf-3.02pl4-win32.zip

2、下载字体Gbsn00lp.ttf和gkai00mp.ttf，下载地址：ftp://ftp.foolabs.com/pub/xpdf/xpdf-chinese-simplified.tar.gz

3、解压XPDF和字体，将字体放到xpdf/chinese-simplified/CMap目录下

4、修改add-to-xpdfrc文件中的地址，将路径该为本机安装路径

#----- begin Chinese Simplified support package (2004-jul-27) cidToUnicode Adobe-GB1 E:/Study/Flex/xpdf-chinese-simplified/xpdf/chinese-simplified/Adobe-GB1.cidToUnicode unicodeMap ISO-2022-CN E:/Study/Flex/xpdf-chinese-simplified/xpdf/chinese-simplified/ISO-2022-CN.unicodeMap unicodeMap EUC-CN E:/Study/Flex/xpdf-chinese-simplified/xpdf/chinese-simplified/EUC-CN.unicodeMap unicodeMap GBK E:/Study/Flex/xpdf-chinese-simplified/xpdf/chinese-simplified/GBK.unicodeMap cMapDir Adobe-GB1 E:/Study/Flex/xpdf-chinese-simplified/xpdf/chinese-simplified/CMap toUnicodeDir E:/Study/Flex/xpdf-chinese-simplified/xpdf/chinese-simplified/CMap displayCIDFontTT Adobe-GB1 E:/Study/Flex/xpdf-chinese-simplified/xpdf/chinese-simplified/CMap/gkai00mp.ttf #----- end Chinese Simplified support package

5、修改xpdfrc文件，把地址修改为本机地址

cidToUnicode Adobe-GB1 E:/Study/Flex/xpdf-chinese-simplified/xpdf/chinese-simplified/Adobe-GB1.cidToUnicode unicodeMap ISO-2022-CN E:/Study/Flex/xpdf-chinese-simplified/xpdf/chinese-simplified/ISO-2022-CN.unicodeMap unicodeMap EUC-CN E:/Study/Flex/xpdf-chinese-simplified/xpdf/chinese-simplified/EUC-CN.unicodeMap unicodeMap GBK E:/Study/Flex/xpdf-chinese-simplified/xpdf/chinese-simplified/GBK.unicodeMap cMapDir Adobe-GB1 E:/Study/Flex/xpdf-chinese-simplified/xpdf/chinese-simplified/CMap toUnicodeDir E:/Study/Flex/xpdf-chinese-simplified/xpdf/chinese-simplified/CMap displayCIDFontTT Adobe-GB1 E:/Study/Flex/xpdf-chinese-simplified/xpdf/chinese-simplified/CMap/gkai00mp.ttf

6、编写简单的程序

string xpdfPath = @"E:/Study/Flex/xpdf-chinese-simplified/xpdf/pdftotext.exe"; string filename = @"E:/Work/FlashViewer/FlashViewer/Flex/Pdf/mayun.pdf"; string strCmd = " -cfg xpdfrc -q " + filename + " - "; Process p = new Process(); p.StartInfo.FileName = xpdfPath;//exe,bat and so on p.StartInfo.WindowStyle = ProcessWindowStyle.Hidden; p.StartInfo.Arguments = strCmd; p.StartInfo.RedirectStandardOutput = true; p.StartInfo.UseShellExecute = false; try { p.Start(); string strmsg = p.StandardOutput.ReadToEnd(); IOHelp.WriteFile(path, strmsg, false); p.WaitForExit(); p.Close(); } catch(Exception e) { Console.WriteLine(e.Message.ToString()); }

通过XPDF抽取PDF中的中文文本相关推荐

XPDF3.04抽取PDF中的中文文本
2019独角兽企业重金招聘Python工程师标准>>> 开发环境:Windows8.0 X64位 eclipse3.2 版本号:xpdfbin-win-3.04 ...
如何在java中去除中文文本的停用词
2019独角兽企业重金招聘Python工程师标准>>> 1. 整体思路第一步:先将中文文本进行分词,这里使用的HanLP-汉语言处理包进行中文文本分词. 第二步:使用停用词表,去 ...
去停用词 java代码_如何在java中去除中文文本的停用词
1. 整体思路第一步:先将中文文本进行分词,这里使用的HanLP-汉语言处理包进行中文文本分词. 第二步:使用停用词表,去除分好的词中的停用词. 2. 中文文本分词环境配置使用的HanLP-汉 ...
itext替换pdf中的中文
2019独角兽企业重金招聘Python工程师标准>>> 在网上找了一段时间,发现有两个版本的 1,使用aspose.pdf,这篇文章写得很清楚https://blog.csdn.ne ...
java给文件添加水印_Java在PDF中添加水印（文本/图片水印）
水印是一种十分常用的防伪手段,常用于各种文档.资料等.常见的水印,包括文字类型的水印.图片或logo类型的水印.以下Java示例,将分别使用insertTextWatermark(PdfPageBas ...
pdf中如何编辑文本框
在word中插入文本框对于经常接触文档的人来说可谓是信手拈来,但是在pdf文档中要进行这个操作该怎么办呢?方法也很简单! 第一步,先到网上下载一个捷速pdf编辑器: 下载好之后将编辑器打开,并单击左上 ...
java pdf 水印_Java在PDF中添加水印（文本/图片水印）
水印是一种十分常用的防伪手段,常用于各种文档.资料等.常见的水印,包括文字类型的水印.图片或logo类型的水印.以下Java示例,将分别使用insertTextWatermark(PdfPageBas ...
java pdf 水印_Java在PDF中添加水印（文本/图片水印）效果
水印是一种十分常用的防伪手段,常用于各种文档.资料等.常见的水印,包括文字类型的水印.图片或logo类型的水印.以下Java示例,将分别使用insertTextWatermark(PdfPageBas ...
Java在PDF中添加水印（文本/图片水印）效果import com.spire.pdf.*; import com.spire.pdf.graphics.*; import java.awt.*;
水印是一种十分常用的防伪手段,常用于各种文档.资料等.常见的水印,包括文字类型的水印.图片或logo类型的水印.以下Java示例,将分别使用insertTextWatermark(PdfPageBas ...

通过XPDF抽取PDF中的中文文本

通过XPDF抽取PDF中的中文文本相关推荐

最新文章

热门文章